这篇博客是对之前做的社交圈子挖掘方面尝试的总结，这个工作并没有深入太多。因为没有实际需求的驱动，没有做深。不过还是有些心得，记录下来，以后捡起来也方便，或者最好的情况，可以对后面的同学有些启发。 社交圈子挖掘，这里的圈子主要有两种：
- 线下真实的朋友圈子（不用诧异，真的就是如此）
- 还有兴趣导向的“圈子”
为什么会有两种不同的呢？因为微博具备这两个特点，在国内，微博不仅仅是一个社交媒体，而且也是一个sns社区。这就产生了这两种不同的圈子，sns的特性，似乎在腾讯微博更加显著。这两类圈子都很有用，对于社会化电商，广告的精准投放都是非常有用的。做这两中类型的圈子挖掘，要区分不同的方法，其实，以我的经验，就是要构建不同的初始网络。我在实践中做的主要是线下真实的朋友圈子的挖掘，而且效果不错。 前面的博客也有提到，现在圈子挖掘主要有两个难题：
- 社交网络过于复杂
- 评价困难
我这里只说第一个，究竟有多复杂呢？举个例子，国外的研究文章得出一个结论，说度为7,8的时候，基于链接的算法比较好。这个什么意思呢，直观可以理解为，当你有7,8个好友的时候，效果最好。可是，事实上，要远大于这些。新浪微博为例，某些人的关注都是2000。太恐怖了，他能接受得了这么多信息么？当然不能。
所以，我经常回想，实际的网络会是如此复杂么？肯定不会。所以，在正式开始圈子挖掘之前，要对社交网络进行精简。 我开始对这个想法，并不十分坚定。认为精简会漏掉很多结果。但随着实验的进行，我发现，真实的圈子并没有漏掉。反而去掉了一些实际上并不是圈子的结果。这个想法儿，并不是我的原创，但是我确实在实践中，发现这个想法儿优异。可以想想，如果有了两个用户之间的交互日志，那么精简网络，将会是一件非常简单的事情，那么最终得到的圈子，将会非常靠普。
这方面，目前只有新浪有数据，所以我很期待新浪将来会推出相关的产品。
初始网络构建完毕之后，就是选择方法进行圈子挖掘，我没有创造方法，只是试验了很多论文中的方法，其中，k-clique等效果非常好。尤其是在合理的构建初始化网络的基础之上。大家可以看我之前的博客贴出的表格，我的同事，同学圈子挖掘的相当准确。但是兴趣圈子效果不尽人意。大家如果想试试这些方法，在networx，igraph中都有。
最近国内机器学习很火，其实国外，有很多研究人员已经在用机器学习的方法，进行圈子挖掘。像新浪微博，还是有很多feature的，节点，边的属性都很丰富。要做出漂亮的结果，并不是难事。有数据就好办。
上面没有条理的小结了一番，欢迎大家讨论。我也提到，在我的实验中，兴趣圈子挖掘效果很差，主要表现为会出现非常大的圈子，不能进一步区分。这个如果后面继续做，我会再研究研究。大家有什么好方法呢？欢迎讨论。
[主要内容完，以下是广告]
做个广告，其实方法模型有好多，有些方法非常棒，但是受限于数据。尤其是现在大家都嚷嚷BigData。数据很少怎么做研究呢？
加入到爬盟中国吧：在这里大家一起收集数据，贡献得越多，你得到的就越多。加入到爬盟中国，在大数据上做研究：www.cnpameng.com